Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
Büyük Veri | SWE 307 | 5 | 3 + 0 | 3 | 5 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler | |
Dersin Dili | İngilizce |
Dersin Seviyesi | Lisans |
Dersin Türü | Zorunlu |
Dersin Koordinatörü | Prof.Dr. AHMET ÖZMEN |
Dersi Verenler | |
Dersin Yardımcıları | |
Dersin Kategorisi | Alanına Uygun Öğretim |
Dersin Amacı | Büyük veri kavramı, görselleştirme ve analiz yöntemleri tanıtılmaktadır. Büyük verilerde sık kullanılan araçlar açıklanmaktadır. Ayrıca, büyük veri uygulamaları geliştirmek ve Python'a giriş için gerekli altyapılar tanıtılmaktadır. |
Dersin İçeriği | Veri biliminde temel kavramlar, büyük veri analizi, görselleştirme, araçlar ve uygulamalar. |
# | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
---|---|---|---|
1 | Büyük veri analizi ve temel kavramların öğrenilmesi | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav, Ödev, Proje / Tasarım, |
2 | Programlama ile model geliştirme anlama | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav, Ödev, Proje / Tasarım, |
3 | Büyük veri altyapı sistemlerinin öğrenilmesi | Anlatım, Soru-Cevap, | Sınav, Proje / Tasarım, |
4 | Verilerin grafiksel gösterimi hakkında bilgi sahibi olunması | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Grup Çalışması, Bireysel Çalışma, Proje Temelli Öğrenme , | Proje / Tasarım, Performans Görevi, |
5 | Arama motorlarında ve öneri sistemlerinde temel yöntemleri kavrayabilme | Alıştırma ve Uygulama, Grup Çalışması, Bireysel Çalışma, Proje Temelli Öğrenme , | Proje / Tasarım, Performans Görevi, |
Hafta | Ders Konuları | Ön Hazırlık |
---|---|---|
1 | Büyük veriye giriş, temel bilgiler | |
2 | Python'a giriş | |
3 | R Dili | |
4 | Veri analizi ve görselleştirme | |
5 | Hadoop Sistemleri | |
6 | Striim, Cloudera | |
7 | Makina öğrenmesi: doğrusal regresyon, sınıflandırma, kümelendirme | |
8 | Apache Spark, Hive, Cassandra | |
9 | Spark with No Sql, Kafka system, RabbitMQ | |
10 | Spark ML kütüphane uygulamaları | |
11 | PageRank, arama sistemleri | |
12 | Tensor Flow ile analiz, VoltDB, Data Flow | |
13 | Büyük veri uygulamaları | |
14 | Projelerin değerlendirilmesi |
Kaynaklar | |
---|---|
Ders Notu | |
Ders Kaynakları | Nasir Raheem, Big Data: A Tutorial-Based Approach, CRC Press, 2019, ISBN0429592450, 9780429592454 |
Sıra | Program Çıktıları | Katkı Düzeyi | |||||
---|---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | |||
1 | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi. | ||||||
2 | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | ||||||
3 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | ||||||
4 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | ||||||
5 | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. | ||||||
6 | Bilişim Teknolojilerinin yönetim, denetim, gelişim ve güvenliği/güvenilirliği hakkında bilgi sahibi olma ve farkındalık. | ||||||
7 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | ||||||
8 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. | ||||||
9 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | ||||||
10 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | ||||||
11 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | ||||||
12 | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. |
Değerlendirme Sistemi | |
---|---|
Yarıyıl Çalışmaları | Katkı Oranı |
1. Ara Sınav | 40 |
1. Kısa Sınav | 10 |
2. Kısa Sınav | 10 |
1. Performans Görevi (Uygulama) | 40 |
Toplam | 100 |
1. Yıl İçinin Başarıya | 50 |
1. Final | 50 |
Toplam | 100 |
AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
---|---|---|---|
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 14 | 3 | 42 |
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 14 | 1 | 14 |
Ara Sınav | 1 | 15 | 15 |
Kısa Sınav | 2 | 4 | 8 |
Performans Görevi (Uygulama) | 1 | 25 | 25 |
Final | 1 | 20 | 20 |
Toplam İş Yükü | 124 | ||
Toplam İş Yükü / 25 (Saat) | 4,96 | ||
Dersin AKTS Kredisi | 5 |